Personal recommendations for diabetes' control
dc.contributor.advisor | Díaz Agudo, María Belén | |
dc.contributor.advisor | Recio García, Juan Antonio | |
dc.contributor.author | Kovalev, Anton | |
dc.date.accessioned | 2023-06-18T01:28:46Z | |
dc.date.available | 2023-06-18T01:28:46Z | |
dc.date.issued | 2017 | |
dc.degree.title | Grado en Ingeniería Informática | |
dc.description | Trabajo de Fin de Grado en Ingeniería Informática (Universidad Complutense, Facultad de Informática, curso 2016/2017) | |
dc.description.abstract | Según los últimos datos de la Organización Mundial de la Salud [1], 422 millones de personas tienen diabetes- una enfermedad metabólica caracterizada por altos niveles de glucosa en sangre durante un periodo de tiempo prolongado. Por desgracia, no puede ser completamente curada y puede tener unas consecuencias muy graves al no tratarla al tiempo. Por tanto, es muy importante diagnosticar esta enfermedad lo antes posible y cambiar su modo de vivir de forma adecuada. En el año 2014 el grupo de profesores del Departamento de Arquitectura de Computadores y Automática (DACyA, Universidad Complutense de Madrid) creó “glUCModel” [3]- un sistema especial para pacientes con diabetes. Esa aplicación mejora la comunicación e interacción entre pacientes y doctor: pacientes pueden subir sus datos médicos/personales y el doctor tiene la posibilidad de consultar esa información y mejorar el control de los registros de pacientes. Sin embargo, 3 funciones muy interesantes todavía no estaban implementadas: un curso virtual de aprendizaje (un espacio para pacientes donde podrían obtener la información y amplificar sus conocimientos), un módulo de generación automática de un modelo de nivel de glucosa (basado en historial y características personalizadas) y el recomendador (basado en datos registrados y acciones de médico). El objetivo principal de este proyecto es crear un sistema de razonamiento basado en casos [4] que podría dar recomendaciones personalizadas a cada persona basándose en los datos guardados de todos los pacientes. Han sido implementadas y añadidas nuevas funcionalidades, con lo cuál ha sido creada la nueva versión de aplicación “glUCModel 2.0” | |
dc.description.abstract | According to the latest statistics of World Health Organization [1], 422 million adults have diabetes- a metabolic disease that is characterised by high blood sugar levels over a long period. Unfortunately, it cannot be completely cured and it may have very dangerous consequences, if not treated on time. That is why it is very important to find out this disease as soon as possible and to change your style of life in an appropriate way. In 2014 a group of Spanish professors from the Department of Computer Architecture and Automation (DACYA, Complutense University of Madrid, [2]) created “glUCModel” [3] - a special system for patients with diabetes. This application improves the communication and interaction between patients and doctor: patients can upload their medical/personal data and doctor has a possibility to consult this information and to have better control over patient records. However, three interesting functions were still not implemented: an e-learning course (a space for patients to consult information about the illness and to amplify their knowledge), a module for automatic generation of glucose levels model (based on history and personal characteristics) and a recommender system (based on recorded data and physician preferences). The main goal of this project is to create a case-based reasoning [4] system that will be able to give personal recommendations to every person according to the historic data about all patients. As a result of implementing and adding new functionalities, a new version of an application, called “glUCModel 2.0”, was created. | |
dc.description.department | Depto. de Ingeniería de Software e Inteligencia Artificial (ISIA) | |
dc.description.faculty | Fac. de Informática | |
dc.description.refereed | TRUE | |
dc.description.status | unpub | |
dc.eprint.id | https://eprints.ucm.es/id/eprint/45248 | |
dc.identifier.uri | https://hdl.handle.net/20.500.14352/20541 | |
dc.language.iso | spa | |
dc.page.total | 73 | |
dc.rights | Atribución-NoComercial 3.0 España | |
dc.rights.accessRights | open access | |
dc.rights.uri | https://creativecommons.org/licenses/by-nc/3.0/es/ | |
dc.subject.cdu | 004.83(043.3) | |
dc.subject.cdu | 61:621.39(043.3) | |
dc.subject.cdu | 004.738.52:338.46(043.3) | |
dc.subject.keyword | glUCModel | |
dc.subject.keyword | Razonamiento basado en casos | |
dc.subject.keyword | Diabetes | |
dc.subject.keyword | Recomendador | |
dc.subject.keyword | Telemedicina | |
dc.subject.keyword | Aplicaciones Web | |
dc.subject.ucm | Inteligencia artificial (Informática) | |
dc.subject.ucm | Internet (Informática) | |
dc.subject.ucm | Informática médica y telemedicina | |
dc.subject.unesco | 1203.04 Inteligencia Artificial | |
dc.subject.unesco | 3325 Tecnología de las Telecomunicaciones | |
dc.title | Personal recommendations for diabetes' control | |
dc.type | bachelor thesis | |
dspace.entity.type | Publication | |
relation.isAdvisorOfPublication | 95de81bf-4637-4307-8ff6-f2c06c591d18 | |
relation.isAdvisorOfPublication | 6e94b3e8-1cba-4505-9d17-a0c09a524300 | |
relation.isAdvisorOfPublication.latestForDiscovery | 95de81bf-4637-4307-8ff6-f2c06c591d18 |
Download
Original bundle
1 - 1 of 1